Koyu Mod:
Yazar :
Burcu Bayaslı , Alper Şen
Özet :
Lidar özellikle son yıllarda 3B kent modellemeleri, kıyı çizgisi tespiti, peyzaj, demiryolu güzergahları, enerji nakil hatları belirlenmesi,
çevre kirliliği modellemeleri, orman alanlarının saptanması ve ağaç türlerinin belirlemesi gibi çalışmalarda kullanımı yaygınlaşmış
ve önemli bir yere ulaşmıştır.
Teknolojinin gelişimiyle beraber, coğrafi bilgi sistemlerinde kullanılan veri hacmi hızla artmaktadır. Verinin geometrik ve öznitelik
uzayında büyümesi, çok boyutlu verinin işlenmesini gerektirmektedir. Artan veri miktarı karşısında, geleneksel yöntemler başarısız
olmakta, ilişkileri ve anlamı araştırırken bir takım engeller ortaya çıkartmaktadır. Büyük veri setlerine uygulanan yoğun hesaplama
işlemlerinde Kohonen haritası olarak da bilinen Kendini Düzenleyen Haritalar (KDH) yöntemi kullanılabilmektedir. KDH, yarışmacı
öğrenmeye dayanan, gizli katman olmayan, girdi ve çıktı katmanlarından oluşan denetimsiz sinir ağlarını içerir. KDH, doğrusal
olmayan ve büyük boyutlu girdi vektörlerini, daha az boyutlu bir uzaya (çıktı katmanına) izdüşürmektedir.
Lidar sistemlerinin dönüş sinyali, kayıt tekniklerine göre ayrık dönüşlü sistemler ve tam dalga boyu formlu sistemler halinde kategorize
edilir. Nokta temelli sınıflandırma, genellikle ayrık-dönüşlü sistemler için kullanılır. Tam dalga boyu formuna dayalı sınıflandırma,
bir dönüş sinyalinin tam profilini sabit zaman aralıklarında örnekleyerek kullanır. Tam dalga boyu forma sahip sistemler, orman
alanlarının araştırması gibi yoğun bitki örtüsüne sahip 3B harita üretiminde yaygın olarak kullanılır. Ancak tam dalga boyu formu
Lidar verilerinin, geleneksel ayrık-dönüşlü nokta bulutu verisine kıyasla hacmi çok büyüktür.
Bu çalışmada, ayrık-dönüşlü Lidar nokta bulutu KDH yöntemi ile analiz edilerek kümelere ayrılmıştır. Kümeler, uydu görüntüleri ile
karşılaştırılarak nesne sınıfları belirlenmiştir. KDH ile elde edilen nesne sınıflarının doğruluğu, görsel olarak sınıfları belirlenen ve
istatistiki olarak yeterli sayıda olan noktalar incelenerek belirlenmiştir. Sınıflandırma istatistiki olarak yüksek doğrulukla sonuç
vermiştir.
Anahtar Kelimeler :
Hava Lidar, Yapay Sinir Ağları, Kendini Düzenleyen Haritalar, Sınıflandırma
Kaynak :